წრფივი ალგებრა

თავი 9: უმცირესი კვადრატების მეთოდი

ვახტანგ ლომაძე, ქეთევან შავგულიძე

როგორც ვიცით, წრფივი Ax = b განტოლება შეიძლება არ იყოს თავსებადი, ანუ

არ ჰქონდეს ”ზუსტი” ამონახსნი. (მეტწილად ეს ხდება, როცა განტოლებათა რიცხვი
აღემატება უცნობთა რიცხვს!) ამ შემთხვევაში ლაპარაკობენ ოპტიმალურ ანუ ”სა-
უკეთესო” მიახლოებით ამონახსნზე.

განვმარტავთ თუ რას ნიშნავს ოპტიმალური ამონახსნი (უმცირესი კვადრატე-

ბის თვალსაზრისით).

De nition. ვთქვათ A ∈ Rm×n და b ∈ Rm . Ax = b განტოლების ოპტიმალური

ამონახსნი ჰქვია ყოველ ისეთ x∗ ∈ Rn ვექტორს, რომლისთვისაც

∀x ∈ Rn , |Ax∗ − b| ≤ |Ax − b|;

ანუ ყოველ ისეთ x∗ ∈ Rn ვექტორს , რომლისთვისაც Ax∗ მაქსიმალურად ახლოს

არის b-სთან.

თანახმად თეორემა 4-სა მე-7 თავიდან, Ax ფორმის ვექტორი, რომელიც ყველაზე

ახლოს არის b-სთან არის
P rojC(A) (b),
b-ს პროექცია A მატრიცის სვეტ-სივრცეზე. ასე, რომ Ax = b განტოლების ოპტიმა-
ლური ამონახსნი არის
Ax∗ = P rojC(A) (b)
განტოლების ამონახსნი. ეს უკანასკნელი კი თავსებადი განტოლებაა, რადგან

P rojC(A) (b) ∈ C(A).

1
Theorem 1 Ax = b განტოლების ოპტიმალური ამონახსნები

At Ax∗ = At b

განტოლების ამონახსნებია, და პირუკუ. (ეს უკანასკნელი თავსებადია.)

Proof. ზემოთ მიღებული განტოლება ექვივალენტურია

Ax∗ − b = P rojC(A) (b) − b

განტოლების. როგორც ვიცით,

P rojC(A) (b) − b ∈ C(A)⊥ .

თანახმად Corollary 1-სა მე-8 თავიდან, C(A)⊥ = N (At ). მაშასადამე, x∗ არის ოპტი-
მალური ამონახსნი მაშინ და მხოლოდ მაშინ, როცა

Ax∗ − b ∈ N (At ),

ანუ როცა
At (Ax∗ − b) = 0.
ეს ამტკიცებს თეორემას. 2

ამრიგად, თუ Ax = b განტოლება არ არის თავსებადი, მაშინ განტოლების ორივე

მხარეს ვამრავლებთ At -ზე (და x-ის ნაცვლად ვწერთ x∗ -ს), და ვღებულობთ

(At A)x∗ = At b

განტოლებას, რომელსაც უკვე აქვს ამონახსნი. ამ უკანასკნელს ჰქვია უმცირესი კვა-

დრატების ნორმალური განტოლება. მისი ყოველი ”ზუსტი” ამონახსნი არის მოცე-
მული განტოლების ოპტიმალური ამონახსნი, და პირიქით.

Example. განვიხილოთ განტოლებათა შემდეგი სისტემა:



 x = b1
.. .
 .

x = bn

ეს სისტემა თავსებადია მხოლოდ იმ ერთადერთ შემთხვევაში როცა b1 = · · · = bn .

სხვა შემთხვევაში ამ სისტემას, რა თქმა უნდა, არ აქვს ”ზუსტი” ამონახსნი. გადავ-
წეროთ ჩვენი სისტემა შემდეგნაირად
   
1 b1
 ..   . 
 .  x =  ..  .
1 bn

2
 [ ]
ორივე მხარის 1 ··· 1 მატრიცაზე გამრავლებით, ვღებულობთ

nx∗ = b1 + · · · + bn

განტოლებას. ვხედავთ, რომ ოპტიმალური ამონახსნი არის b1 , . . . , bn რიცხვების სა-

შუალო არითმეტიკული:
b1 + · · · + bn
x∗ = .
n
(ეს, რა თქმა უნდა, ასეც უნდა ყოფილიყო!)

Exercise. დავუშვათ f (x) არის რაღაც ფუნქცია, რომლის მხოლოდ ოთხი მნიშვ-
ნელობა არის ცნობილი:

f (−1) = 8, f (0) = 8, f (1) = 4, f (2) = 16.

და ვთქვათ გვინდა ამ ფუნქციის აპროქსიმირება კვადრატული, ე.ი.,

φ(x) = a0 + a1 x + a2 x2

სახის ფუნქციის მეშვეობით. φ უნდა აკმაყოფილებდეს შემდეგ პირობებს:

φ(−1) = 8, φ(0) = 8, φ(1) = 4, φ(2) = 16.

ეს პირობები კოეფიციენტების ტერმინებში ასე ჩაიწერება

   
1 −1 1   8
 1 0 0  a0  
    8 
 1 1 1  a1 =  4  .
a2
1 2 4 16

დარწმუნდით, რომ ამ განტოლებას არ აქვს ზუსტი ამონახსნი. და აჩვენეთ, რომ ოპ-

ტიმალური ამონახსნია
φ(x) = 5 − x + 3x2 .

წრფივ განტოლებას შესაძლებელია ჰქონდეს მრავალი ოპტიმალური ამონახსნი,

და ბუნებრივად ჩნდება კითხვა ერთადერთობის შესახებ.

Lemma 1 ნებისმიერი A მატრიცისთვის სამართლიანია შემდეგი ტოლობა

N (A) = N (At A).

Proof. გვექნება:
Ax = 0 ⇒ At Ax = 0.
და

At Ax = 0 ⇒ 0 = xt At Ax = (Ax)t (Ax) = ⟨Ax, Ax⟩ = |Ax|2 ⇒ Ax = 0.

ლემა დამტკიცებულია. 2

3
Corollary 1 ვთქვათ A ∈ Rm×n . მაშინ

rk(A) = rk(At A).

Proof. ”Rank-nullity” თეორემის ძალით, გვექნება

dim N (A) + rk(A) = n = dim N (At A) + rk(At A).

ლემის გამოყენებით, ვასრულებთ დამტკიცებას. 2

Corollary 2 ვთქვათ A ∈ Rm×n . მაშინ

rk(A) = n ⇔ At A ∈ GLn .

Proof. საკმარისია შევნიშნოთ, რომ At A არის n × n არის ზომის მატრიცი. 2

ეს შედეგი გვაძლევს შემდეგ თეორემას.

Theorem 2 Ax = b განტოლებას, სადაც A არის m×n ზომის მატრიცი, აქვს მხოლოდ

ერთი ოპტიმალური ამონახსნი მაშინ და მხოლოდ მაშინ, როცა

rk(A) = n.

Proof. ვიცით, რომ At Ax∗ = At b განტოლებას აქვს ამონახსნი. ეს ამონახსნი ერთადე-

რთი იქნება მხოლოდ და მხოლოდ იმ შემთხვევაში, როცა ერთგვაროვან At Ax∗ = 0
განტოლებას აქვს ერთადერთი ამონახსნი. ეს კი შესაძლებელია მაშინ და მხოლოდ
მაშინ, როცა At A ∈ GLn (ანუ, როცა rk(A) = n). 2